情報社会が進展した現在の日本において、蓄積されていく膨大なデータにどのような価値を見出し、どのように活用するかという点は企業経営の今後を左右する大きな課題となっています。
DX推進の流れも受け、データ分析のスペシャリストとして、データサイエンティストの必要性がさまざまな業界の中で提言されています。そのような時代の流れを察知し、データサイエンティストへのキャリアチェンジを希望しているエンジニアも多いのではないでしょうか。
そこでこの記事では、転職によってキャリアアップを図りたいと考えている現役データサイエンティストやデータサイエンティストになりたいという憧れを持っている未経験者の方に向け、データサイエンティストの年収や転職者の傾向、必要なスキルについて解説します。
- データサイエンティストの転職で知っておきたい各業界の需要状況
- データサイエンティストの転職求人例
- データサイエンティストに転職する人の動向
- データサイエンティストの年収レンジ
- データサイエンティストに必要な4つのスキル
- データサイエンティストとして活躍できるのはどのような企業か？
- 企業のデータサイエンティスト採用動向
- データサイエンティスト転職に関するよくある質問
- まとめ
データサイエンティストの転職で知っておきたい各業界の需要状況
ビックデータビジネスが盛んである昨今、データサイエンティストの求人ニーズはとても高くなっています。データサイエンティストは、エンジニアとしての開発だけでなく、企画・マーケティングなど様々なフィールドでの活躍を期待されている職種であるともいえます。
データマイニングなどの高度なスキルを持っていれば、転職の選択肢は飛躍的に広がります。しかし、必ずしもエンジニアとして経験豊富で技術レベルが高い人材だけが求められている職種ではないというのが現状です。データベース系言語の経験がなくても、データ分析スキルに長けた人材やITコンサルティング経験者は採用される可能性があります。
データサイエンティストの需要状況は業界によっても異なります。ここでは主な5つの業界におけるデータサイエンティストの需要状況について詳しく紹介します。またデータサイエンティストという職種について詳しく知りたいという方は、以下の記事もご覧ください。
関連記事：データサイエンティストとは？役割や必要なスキルを解説
不動産業界
不動産業界では、不動産テックと呼ばれる不動産とテクノロジーを誘導させた取り組みが進んでおり、不動産売買や賃貸の履歴をビッグデータとして収集し、不動産査定価格を決めたり、物件の価格推移のデータを提供したりするサービスなどが次々と登場しています。その不動産テックの推進を担う存在として、データサイエンティストの需要が高まっている状況です。
また不動産会社の営業支援にもビッグデータが活かされています。例えば賃貸物件の賃料の査定は、立地や間取り、築年数や仕様など様々な条件を考慮して決められます。経験豊富な営業マンであれば、スムーズに査定できるかもしれませんが、若手の営業マンにとって、適切な賃料査定額をスムーズに決めるのは困難でしょう。
そこで賃貸物件のビッグデータがあれば、その分析結果を活かして、コンピュータによる賃料査定が可能です。Webサイトと連携させれば、物件を探している顧客データも合わせて、より顧客にふさわしい物件を提案することもできます。営業マンが不要になるため人件費も削減できます。このようなシステムを構築できる人材として、不動産業界でもデータサイエンティストの需要が高まっているのです。
金融業界
金融業界においてもデータサイエンティストの需要があります。特に金融とITを掛け合わせた「Fintech」と呼ばれる言葉が普及しているように、ITと金融の親和性は高く、ビッグデータやAIを活かしたこれまでにないサービスも展開されています。
例えばアメリカでは、ビッグデータ解析を利用することで即時に与信審査を行い、低金利かつスピード融資を実現したサービスがあります。日本におけるフィンテックの事例は、ロボアドバイザーと呼ばれる人工知能を活用したAI投資が有名です。既に多くの証券会社で展開されており、投資に詳しくない個人にとって、少ないリスクで投資にチャレンジできるサービスとして人気があります。
またPOSのデータやクレジットカードなどの決済データ、SNSやニュースサイトのテキストなど、これまで投資判断には使われていなかった様々なデータをビッグデータとして集約し活用する動きもあります。これにより市場や経済の状況を多面的に俯瞰できるようになり、マーケティングやユーザー体験に活かそうとする企業もあります。
製造業界
製造業界の要となるものづくりの現場では、製品品質の管理とものづくりの効率化が大きな課題と長年言われている一方で、他業界や他先進国と比べてもデジタル化・DX化が遅れている現状です。経済産業省が発表している「2021年版ものづくり白書」によると、「生産管理」「製造」「受発注・在庫管理」の順にデジタル人材の配置が求められているというデータもあります。
製品品質管理では、これまで目視による確認で品質を見定めていました。しかし製品の画像や動画があれば、それをAIに読み取らせて品質を確認できます。精密機械である半導体などでは、安定した環境での目視による確認が困難でありAIの活用が進んでいます。
また既存の製品の改良や新製品の開発などのものづくりの効率化においては、これまでの開発経験で得られたデータを効率良く分析することで、開発期間の短縮も可能です。
このように製造業界でのデータサイエンスの活用には、現場と一体となって取り組むことが重要です。そのためデータサインティストは自身の専門性に加えて、現場を理解しようとする姿勢と、コミュニケーション能力が必要不可欠です。
コンサルティング
コンサルティングの現場でもデータサイエンティストの活用が進んでいます。
クライアント企業をコンサルティングするときに、営業支援やマーケティング戦略、販売促進活動や広告、アンケート、市場調査など、様々なデータを分析する必要があります。ITやインターネットの普及でこれらを膨大な量のデータとして取得し、ビッグデータとして分析できる環境が整ってきました。
データサイエンティストとして直接クライアント企業のコンサルティングを行う会社・求人もありますが、コンサルティングの支援職種としてもデータサイエンティストが求められているのです。
データサイエンティストの転職求人例
レバテックキャリアが保有するデータを元に、データサイエンティストの求人例を2つほどご紹介します。現在募集中の求人を見たい方は、「データサイエンティストの求人・転職情報一覧」のページをご覧ください。
外資系企業のデータサイエンティスト求人例
■業界
サービス、コンサルティング
■業務内容
・顧客の経営課題に対するアナリティクス技術の活用余地の判断
・小規模／短期間でのアナリティクス適用のパイロット検証、および本格展開時の効果試算
・アナリティクス適用に当たっての業務、システムの課題抽出とチェンジマネジメント
・顧客の社内アナリティクス組織立ち上げ、および社内アナリティクス人材の育成
・ビジネス課題に応じた効果的な統計解析手法の選定
・顧客の社内外のデータ収集および統計解析に適した形への集計、加工
・アルゴリズム作成～精度検証～パラメータ最適化
・パイロット検証結果や業務適用課題を踏まえてアルゴリズムのカスタマイズや高度化
・ビジネスアナリティクスの技術書や実務書の執筆
■求められるスキル・経験
・機械学習、深層学習、強化学習等の高度な分析手法を駆使したモデリング実務経験
・以下のいずれかの言語/ライブラリを用いたモデリング経験
Python、R、TensorFlow、Theano、Keras、PyTorch、Watson API など
・ビッグデータ基盤技術への理解と大規模データの抽出、加工の経験（Hadoop、Spark、SQLなど）
■想定年収
400万円～
ポテンシャル採用枠のデータサイエンティスト求人例
■業界
サービス、人材･教育
■業務内容（一例）
・営業現場におけるデータ活用支援
・マーケティングにおけるコスト最適化分析
・マーケットの需要に応じた市場予測/最適化
・アクション/売上最大化のための最適化
■求められるスキル・経験
＜経験＞
・社会人（3年程度）
・データサイエンス、機械学習（1年以上／実務経験は不問）
＜知識＞
・線形代数、微分積分/確率統計の基礎的知識
※分析(機械学習や数理最適化など)の基礎的知識でも可
＜学歴＞
・理系修士号もしくは博士号の取得
＜マインド＞
・未知の領域でも、果敢に挑戦できる積極性のある方
■想定年収
544～663万円
今後データサイエンティストは飽和する？
2010年頃に誕生したとされるデータサイエンティストという職種は、ビッグデータや機械学習（ディープラーニング）分野への注目も重なったことで「データサイエンスブーム」と呼ばれるほどの注目を浴びることになりました。
全米の職業ランキングでは7年連続で3位以内に入っており、今でも人気の職種であることは間違いのない職種ですが、元々データサイエンティストの業務内容とされていたデータ準備やモデル構築の自動化が進んでいるほか、簡易的な統計解析ができるBIツールの登場などに伴い、今後のデータサイエンティストの需要については悲観的な声（飽和するのでは？など）があるのも事実です。
現在の需要に陰りは見られず、スキルのあるデータサイエンティストは引く手あまたです。しかし逆を言えば、簡易的な統計解析やモデル構築しかできないというようなデータサイエンティストの需要は前述の理由により下がっています。
経営知識×データサイエンス、マーケティング知識×データサイエンスのように付加価値を掛け合わせるなど、データサイエンティストとして生き残るためにはどうするかを個々人が考えるべき時期とも言えるでしょう。
関連記事：データサイエンティストの将来性について - 10年後はどうなる？
データサイエンティストに転職する人の動向
ここまでの内容でデータサイエンティストの需要についてご説明したところで、それではどのような人がデータサイエンティストに転職しているのでしょうか？ここではデータサイエンティストに転職する人の動向について解説します。
大学から機械学習などを学んできた人が圧倒的に多い
データサイエンティストに転職する人の多くが、大学や大学院でAIや機械学習、ビッグデータなどのデータサイエンス関連のスキルを学んできた経験を持つ人たちです。これらのスキルにはプログラミングなどのコンピュータのスキルに加えて、高度な数学や物理学などの知識が要求されます。
そのためゼロから独学で学習する難易度が高く、大学や大学院で専門の教員の指導のもと、スキルを身につけた人がデータサイエンティストになる傾向が強いのが現状です。
データサイエンティスト転職の年齢制限
データサイエンティストに限らず、転職の際に年齢制限にかかり不採用になってしまうことはありえます。例えば同じようなスキルをもつ2人の応募者がいた場合、企業としてはどうしても若いほうの応募者を採用する傾向があります。
しかし、データサイエンティストに必要とされるのは、仕事に必要な専門性です。また現在の職種から、なぜデータサイエンティストに転職したいのか、その理由についてしっかりと答えられれば、面接時のアピールポイントになります。
未経験からの転職ハードルは高い
データサイエンティストとして未経験でも転職は可能でしょうか。すでにエンジニアとしてIT関連の仕事をされていた場合と、完全に未経験の場合とでは、転職の可能性が変わってきます。
需要が高い職業ですが、未経験でも応募可能な募集は少ない状況です。逆に言えば経験者であれば高い確度で採用される職種でありますが、もし未経験の場合は以下のスキルを習得した上で転職活動を行った方がよいでしょう。
データサイエンティスト未経験者の転職に求められるスキル
データサイエンティスト未経験で転職した人の場合でも、大学で機械学習を勉強していたなどの土壌があるほか、以下のスキルを身につけているケースが多いです。
・BIツールやR・Pythonなどの専門知識がある
・データマイニングの知識があり分析ツールを活用できる
・実務ではWebエンジニアとしての経験が1～2年以上ある
結論として、データサイエンティストのハードルは高い傾向にあります。
関連記事：
未経験からデータサイエンティストを目指すには？必要スキルを解説
データサイエンティストになるには？目指し方や必須スキルを解説
データサイエンティストに転職するなら転職エージェントの活用がおすすめ
需要に伴い求人数も増加傾向にあるデータサイエンティストですが、採用する企業側の中には「社内で初めてデータサイエンティストを迎え入れる」という企業もあり、募集要項や面接などに不慣れな部分も見受けられます。
職務経歴書の添削やキャリアの相談などの分かりやすいサービスは当然として、採用ミスマッチを防ぐために転職希望者と企業の間に立ち、その人にとって最適であろう求人を紹介しつつ企業側にもフォローを入れられるという転職エージェントの活用は、データサイエンティストの転職にあたって非常におすすめです。
データサイエンティストの年収レンジ
データサイエンティストの需要が高いといっても、求められるスキルや年収が気になるかと思います。ここでは、レバテックキャリアを利用して転職に成功した方の実績を参考に、データサイエンティストの年収を解説します。
高いスキルレベルが求められるデータサイエンティストは、経験者として採用されれば年収は700～800万程度と高い水準です。別職種のエンジニアとして働いた後、データサイエンティストにジョブチェンジした場合は400万円程度が目安となりますが、未経験採用という点を考慮すると比較的高い年収が提示されていると言えます。
データサイエンティストに必要な4つのスキル
データサイエンティストを目指すには、技術スキルは当然としてそれ以外にも様々な周辺知識の習得が必要となります。ここでは、データサイエンティストに求められる重要なスキルを4つに絞って解説します。
プログラミングスキル
実業務を行う上で、特定の言語に対するプログラミングスキルは必須となります。統計解析や機械学習に特化したR、データ分析や解析、機械学習と相性のいいPython、DBの操作や定義を行うのに必要になるSQLなどがそれに当たります。企業によってはSASやSPSSのスキルを求めてくる場合もあります。
Pythonは、一般社団法人Pythonエンジニア育成推進協会が運営している資格試験があります。試験は、「Python 3 エンジニア認定基礎試験」と「Python 3 エンジニア認定データ分析試験」の２種類があります。Pythonのスキル証明に活用すると良いでしょう。
データベース系業務ツールの活用スキル
業務ツールとしては、BIツールやETLツールなどを用いた業務がスタンダードである傾向が強いです。Tableauのほか、マイクロソフト社が提供しているPower BIなどが多くの企業から支持を得ています。
多くのツールは有償となっており独学で触りながら勉強しようとすると大変ですが、初心者の方は無料のBIツールであるGoogleデータポータルを触りながらBIツールの機能やデータ連携の方法などを勉強することも1つの手です。
統計学／機械学習の知識
データサイエンティストは、統計学／機械学習の深い知識が求められます。統計学においては、近年のBIツールにはあらかじめ統計手法を選べるようになっているものがほとんどですが、実現したいことに応じて最適な統計手法を自ら選ばなければなりません。
また、機械学習に関しても近年はscikit-learnなどの機械学習ライブラリなどが充実しており、アルゴリズムの実行自体は容易となってきています。ただし、既成のライブラリではうまく予測できない事象に直面した際や、ライブラリに組み込まれていない新しい手法の適用などを行う際には専門的な知識が必要となります。
統計学／機械学習ともにある程度数学の知識（主に線形代数や微積分）を持っていないと独学での学習は難しい領域です。統計学については、以下の資格制度がありますので活用してみると良いでしょう。
コンサルティングに関するスキル
データサイエンティストの仕事は、企業のデータ活用をサポートする職種であり、提案力が求められます。データ抽出や集計が目的ではなく、データをもとに次のアクションを提案することが役割です。いわば、社内コンサルティングとも言えます。
データから導き出した情報を基にコンサルティングを行うため、ロジカルシンキングなどのビジネススキルが身についていると転職に有利になるでしょう。
データサイエンティストとして活躍できるのはどのような企業か？
データ流通が盛んである現代で、データサイエンティストとして活躍できる場は数多くあります。主な市場としてはBtoC企業やWebサービスを提供する企業が多い傾向にありますが、海外ではデータサイエンティストは既に一般的な職種となっています。他の領域においても今後国内でも需要は伸びていくでしょう。
しかし、せっかくデータサイエンティストとして転職しても、データサイエンスに対する社内の理解が十分に得られていないと活躍の場が限られてしまう可能性があります。以下では、転職者目線でデータサイエンティストとして活躍しやすい企業の特徴を2つご紹介します。求人を選ぶ際の参考になれば幸いです。
DX推進に積極的な企業
ここまでの内容でも触れた通り、DXの推進にはデータ基盤が不可欠であり、データ基盤を構築・活用することがデータサイエンティストの重要なミッションです。
とは言え仕事は一人で進められるわけではなく、関係部署との連携や上層部のデータ基盤に関連する設備（ツール）投資への理解などが必要になる場面が出てきます。DX推進を全社プロジェクトとして位置づけ、上層部を始めとした各社員がそのことを認識している企業はデータサイエンティストとして仕事がしやすい環境と言えるでしょう。
データドリブンな組織文化
データサイエンティストへの需要は保有データ量の多い大手〜中堅企業に限った話ではなく、IT系ベンチャー企業などでも高い状況にあります。IT系ベンチャー企業の傾向としてデータを基に意思判断を行うデータドリブンな組織文化であることが多く、データサイエンティストという職種やデータ投資の重要性を理解しています。
企業規模だけで判断するのではなく、このような組織文化についても判断材料に含めて求人を探すことをおすすめします。
企業のデータサイエンティスト採用動向
最後に、採用する側の企業サイドにおけるデータサイエンティストの採用動向についてお伝えします。取り上げるトピックとしては、経験者採用の苦戦とデータサイエンスに対する理解の程度の2つです。
経験者採用に苦戦している
データサイエンスブームに伴いデータサイエンティストの数は増えているものの、実務経験がありかつ高スキルのデータサイエンティストは高待遇であるケースが多いことからも、転職市場に中々出てこないというのが現状です。
中途採用という前提で考えると企業の多くは即戦力を求めます。教育制度が整っている職種・職場であればポテンシャル採用という選択肢も出てくるのですが、データサイエンティストのスキル要件が高いことや定着してまだ日の浅い職種であることから、データサイエンティストに対する十分な教育制度が整っている企業はかなり限られているのが現状です。
以上から、経験者採用に苦戦しているという話になります。
データサイエンスに対する理解が不足気味
求人を出すにあたっては業務内容や年収、仕事の魅力などを訴求する必要があります。上の方で「データドリブンな組織文化の方がデータサイエンティストとして活躍しやすい」と述べましたが、データサイエンスに対する理解が不足していると、魅力的な待遇（年収や仕事内容）を求人内容に反映することが難しくなるのです。
また、データサイエンティストとしての求人であっても、業務内容としてはデータアナリストや機械学習エンジニアの領域であるというケースも少なからず存在します。この現象の多くは職種に対する理解不足から起こることで、応募する側の人も注意しておくべきでしょう。
関連記事：データアナリストとデータサイエンティストの違いは？
データサイエンティスト転職に関するよくある質問
Q1.データサイエンティストの仕事でつらいと感じる部分はありますか？
地道な作業がある、成果物へのプレッシャーが高い、スキル的に頼れる人がいない…などが良く挙げられるケースですが、一番つらいと感じやすいのはやはり「社内の理解が得られず仕事が進めづらい」というケースです。
Q2.データサイエンティストからの転職先はどのような選択肢がありますか？
同じデータサイエンティストとして転職するという以外にも、より全社的な視野が求められる経営・ITコンサルタントやプロジェクトマネージャーなどの選択肢があります。日本ではまだデータサイエンティストという職種が浸透してから間もないこともあり、今後キャリアパスの選択肢が増えていくことが予想されます。
Q3.30代未経験でも中途でデータサイエンティストになれますか？
他のエンジニア職・コンサル職と比べても未経験からの転職の敷居が高いのは事実です。DX推進・IT化を進めている企業の多くは「なるべく早く成果を出したい」という意欲が強く、即戦力のデータサイエンティストを求める傾向にあるのも理由の1つです。
30代で完全未経験の方がデータサイエンティストになったという事例もあるため「可能」という回答にはなりますが、必要なスキルの習得やアウトプットの作成などにかかる時間も考えると万人に適用できるとは言い切れません。少なくとも、相当の覚悟が必要になることは間違いないでしょう。
まとめ
この記事では、データサイエンティストの年収や転職者の傾向、必要なスキルを解説してきました。データサイエンティストは未経験者にとっては敷居が高い傾向があり、転職を成功させるには何かしらの実務経験やアウトプットが求められる状況です。
ですが、一旦採用され実力を評価されれば、高い年収を提示されやすい職種でもあります。データサイエンティストの教育サービスも増えていますので、本気で目指したい方は勉強を始めてみてはいかがでしょうか。
ITエンジニアの転職ならレバテックキャリア
レバテックキャリアはIT・Web業界のエンジニア職を専門とする転職エージェントです。最新の技術情報や業界動向に精通したキャリアアドバイザーが、年収・技術志向・今後のキャリアパス・ワークライフバランスなど、一人ひとりの希望に寄り添いながら転職活動をサポートします。一般公開されていない大手企業や優良企業の非公開求人も多数保有していますので、まずは一度カウンセリングでお話してみませんか？（オンラインでも可能です）
転職支援サービスに申し込む
また、「初めての転職で、何から始めていいかわからない」「まだ転職するかどうか迷っている」など、転職活動に何らかの不安を抱えている方には、無料の個別相談会も実施しています。キャリアアドバイザーが一対一で、これからのあなたのキャリアを一緒に考えます。お気軽にご相談ください。
「個別相談会」に申し込む
レバテックキャリアのサービスについて
